Question

当我注意到这种奇怪的分档时，我在这里回答了另一个我想知道的关于熊猫的问题，即时间序列重采样。

假设我有一个数据框，其中包含每日日期范围索引和一列，我想对其重新采样并求和。

index = pd.date_range(start="1/1/2018", end="31/12/2018") 
df = pd.DataFrame(np.random.randint(100, size=len(index)), 
                  columns=["sales"], index=index)

>>> df.head()
            sales
2018-01-01     66
2018-01-02     18
2018-01-03     45
2018-01-04     92
2018-01-05     76

现在我可以按一个月重新采样，一切看起来都很好：

>>>df.resample("1M").sum()

            sales
2018-01-31   1507
2018-02-28   1186
2018-03-31   1382
[...]
2018-11-30   1342
2018-12-31   1337

如果我想再分几个月采样，尽管分箱开始显得有些困难。 6M

尤其明显

df.resample("6M").sum()                                                           
            sales
2018-01-31   1507
2018-07-31   8393
2019-01-31   7283

第一个垃圾箱跨越一个多月，最后一个垃圾箱到未来一个月。也许我必须设置closed="left"才能获得适当的限制：

df.resample("6M", closed="left").sum()                                            
            sales
2018-06-30   8090
2018-12-31   9054
2019-06-30     39

现在我在2019年会有一个额外的bin，其中包含2018-12-31的数据...

这工作正常吗？我错过了应该设置的任何选项吗？

编辑：这是我希望以六个月为间隔重采样一年的输出，第一个间隔从1月1日到6月30日，第二个间隔从7月1日到12月31日。

df.resample("6M", closed="left").sum()                                            
            sales
2018-06-30   8090
2018-12-31   9093 # 9054 + 39

请注意，对于6月30日的数据还存在一些疑问，它是否像我期望的那样进入第一个分类箱或第二个分类箱？我的意思是最后一个垃圾箱很明显，但所有垃圾箱中可能都发生了同样的事情。

Answer 1

添加np.random.seed(365)来检查我们的两个输出。

print(df.resample("6M", kind='period').sum())

         sales
2018-01   8794
2018-07   9033

这项工作对您有用吗？

Answer 2

M时间偏移别名表示month end frequency。您需要的是6MS，它是月份开始频率的别名：

df.resample('6MS').sum()

导致

            sales
2018-01-01   8130
2018-07-01   9563
2019-01-01      0

df.groupby(pd.Grouper(freq='6MS')).sum()也可以互换使用。

为更加清晰起见，您可以直接比较范围：

>>> pd.date_range('2018-01-01', '2018-12-31', freq='6M')
DatetimeIndex(['2018-01-31', '2018-07-31'], dtype='datetime64[ns]', freq='6M')

>>> pd.date_range('2018-01-01', '2018-12-31', freq='6MS')
DatetimeIndex(['2018-01-01', '2018-07-01'], dtype='datetime64[ns]', freq='6MS')

熊猫时间序列重新采样，分箱似乎关闭

2 个答案: